Vocero
|
Transcripción
|
| rico sustantivo, masculino— |
Hola, mi nombre es Rich Newman y soy estadístico en Intel. Y hoy presentaré un script JMP que determina un límite simultáneo del 95 % utilizando un enfoque de vecino K más cercano. |
| |
El coautor de esta presentación es Don Kent, quien también trabaja en Intel y ambos estamos ubicados en Rio Rancho, Nuevo México. |
| |
Me gustaría comenzar la presentación de hoy motivando el problema y, a partir de ahí, compartiré algunas soluciones posibles y, en última instancia, llegaré a la solución que elegimos. |
| |
A lo largo del camino, proporcionaré algunos gráficos para ayudar a ilustrar mejor los puntos y finalmente, mostraré el complemento JMP que usamos para resolver el problema y algunas capturas de pantalla que ilustran el script. |
| |
Estamos diseñando un dispositivo y necesitamos saber cuál es el peor conjunto de cuatro valores de resistencia y cuatro capacitancia que vemos. |
| |
Y el peor de los casos para nosotros se define como las combinaciones de baja resistencia/alta capacitancia y alta resistencia/baja capacitancia. Entonces, para mayor claridad, |
| |
Tenemos ocho variables y es posible que necesitemos los límites simultáneos de los cuatro valores de resistencia baja, los cuatro valores de capacitancia alta, para que podamos usarlos para ayudarnos a diseñar el dispositivo. Y el peor de los casos puede definirse como 95 % de confianza o 99 % de confianza y, en última instancia, eso depende del usuario. |
| |
Muy bien, para ilustrar este problema, usemos solo un valor de resistencia y capacitancia. Entonces tengo resistencia en el eje X, capacitancia en el eje Y y queremos saber dos cosas. Queremos conocer esa estrella amarilla, la peor. |
| |
combinación de baja resistencia/alta capacitancia, y queremos saber ese pentágono morado, la combinación de alta resistencia/baja capacitancia. |
| |
Muy bien, con respecto a nuestro problema, quiero señalar que reconocemos que estas ocho variables, estas ocho respuestas no son independientes. Hay algunas correlaciones entre ellos. |
| |
Además, cada una de estas respuestas puede seguir o no una distribución normal o la distribución normal multivariada. |
| |
Hacemos este tipo de preguntas con frecuencia. En otras palabras, no queremos resolver esto una vez y terminar de una vez, y no volver a abordarlo nunca más. Nos hacen estas preguntas |
| |
a menudo, por lo que realmente necesitamos una solución sólida que sea fácil de usar. En nuestro caso, somos muy afortunados de tener conjuntos de datos relativamente grandes, al menos 400 puntos, y normalmente tenemos |
| |
1.000 puntos. Y para nosotros, una solución práctica funciona siempre que tenga alguna metodología estadística detrás. Entonces, si vuelvo al gráfico anterior, no es como si fuera a lanzar un dardo a ese gráfico y decir, dondequiera que aterrice, |
| |
Será nuestro peor caso. Realmente quieres un poco más de carne detrás de eso, pero quiero señalar que no necesariamente tenemos una definición del peor de los casos, ya sea 99% o 95. |
| |
Y simplemente sabemos que es mejor ser un poco conservadores para asegurarnos de que estamos diseñando un dispositivo que realmente funcionará y no tendrá ningún problema en el futuro. |
| |
Bien, quiero compartir un ejemplo completamente inventado, sólo para ilustrar que este tipo de problema puede ocurrir en cualquier industria. |
| |
Entonces, imaginemos que fabricamos escritorios ajustables para el aula y queremos que nuestro escritorio funcione para el 99% de la población. |
| |
la altura de una persona y el ancho de una persona. |
| |
Ahora, cuando tienes JMP, viene con algunos datos de muestra y uno de esos conjuntos de datos se llama BigClass. Y en BigClass, tiene |
| |
algunos estudiantes allí y sus alturas y pesos. Y entonces podemos usar ese conjunto de datos para ayudarnos a determinar los límites de altura y peso que capturan al 99% de la población. |
| |
Entonces, si miro este gráfico aquí en la parte inferior derecha, vemos que los puntos representan... cada punto representa la combinación de altura y peso de un estudiante. |
| |
Bien, si vuelvo a nuestro problema, |
| |
Nuestro enfoque actual, que creemos que se puede mejorar, es encontrar de forma independiente límites de predicción del 95% o del 99% para la resistencia y la capacitancia. |
| |
Y en este ejemplo donde solo estoy mirando una resistencia y una capacitancia, encontraríamos dos límites separados. |
| |
Entonces, como ejemplo, encontraríamos la predicción del 95% limitada para la resistencia, que es 4,52 y 4,97 y está designada por las líneas azules más oscuras. |
| |
Y luego encontraríamos un equilibrio de predicción del 95% para la capacitancia, que es 15,6 y 16,5, que está designado por esas líneas azul verdosas, y luego encontramos las combinaciones para obtener esa estrella amarilla y el pentágono morado, que es nuestro peor caso. |
| |
Ahora tenemos algunas preocupaciones con este enfoque. Y la primera preocupación gira en torno a la tasa de error de tipo I. Entonces, cuando encuentro un límite del 95% para la resistencia 1 y un límite del 95% para la resistencia... |
| |
Para la capacitancia 1, tenga en cuenta que tengo ocho variables; en general, conozco mis niveles de confianza, no el 95%. Y cuál sea, dependerá de la correlación de las variables. |
| |
Ahora podemos superar este obstáculo haciendo un ajuste alfa, pero hay otro obstáculo que quería discutir y que nos preocupa un poco más. |
| |
Muy bien, ¿y si nos interesara la combinación alto/alto, que está designada por este círculo amarillo? |
| |
En este ejemplo en particular, puede ver que no tenemos ningún dato cercano a este límite del peor de los casos, por lo que si usáramos esto, sería extremadamente conservador. |
| |
Y cuando vayamos a diseñar nuestro dispositivo, tendrá un costo y un elemento de tiempo asociado, por lo que queremos ser un poco conservadores, pero no queremos ser tan conservadores como para usar este círculo amarillo porque Realmente no obtenemos ningún punto de datos al respecto. |
| |
Bien, hay algunos enfoques alternativos que se pueden realizar fácilmente en JMP y que queríamos considerar como soluciones a este problema, y el primero son las elipses de densidad. |
| |
Y esto se encuentra en la plataforma de ajuste Y por X, por lo que si toco ese triángulo rojo en el ajuste bivariado, puedo elegir la elipse de densidad y, en este caso, elegí una elipse del 95%. Y entiendo esa elipse roja en el gráfico. |
| |
Bueno, cuando JMP proporciona esta elipse de densidad, si observa la esquina inferior derecha de la presentación, presenta la desviación estándar media y la correlación de las dos variables. |
| |
Y lo que JMP no proporciona es la ecuación de la elipse. Ahora bien, este es un obstáculo que podemos superar. Sólo tenemos que hacer algunos cálculos para poder resolverlo. |
| |
Pero el mayor obstáculo es ¿qué sucede si tienes más de dos variables? En este caso, JMP no tiene una opción fácil |
| |
para que podamos resolver este problema. Entonces, podríamos hacer elipses por pares o simplemente hacer dos variables a la vez, pero vamos a tener el mismo problema alfa y será bastante difícil elegir qué puntos queremos usar como nuestro ???. |
| |
Ahora bien, también hay otra preocupación menor en este enfoque: ¿qué pasaría si estuviéramos interesados en esa esquina alta/alta o en ese círculo amarillo? ¿Qué punto de la elipse elegimos? |
| |
Y nuevamente, creo que es un obstáculo que podemos superar... superar, pero los dos... cuando tenemos más de dos variables, ese es un obstáculo bastante complicado. No estamos seguros de que se resuelva fácilmente. |
| |
Muy bien, hay otro enfoque que podemos... podemos... que se hace fácilmente en JMP y son los componentes principales. |
| |
Y lo que hacen los componentes principales es crear nuevas variables, y JMP las etiquetará Prin 1 y Prin 2, |
| |
de modo que las nuevas variables sean ortogonales entre sí. Y el hecho de que sean ortogonales podemos usarlo para ayudarnos a resolver cuáles son nuestros límites en el peor de los casos. |
| |
Y esto se encuentra en la plataforma de métodos multivariantes, por lo que si vamos a analizar métodos multivariados, componentes principales, podemos preguntar por estos componentes principales. |
| |
Ahora bien, la preocupación con el enfoque de componentes principales es que las matemáticas son extremadamente difíciles cuando hay más de dos variables. |
| |
Además, en teoría, el componente principal intenta reducir la dimensionalidad, por lo que, en otras palabras, si tuviera ocho variables que quisiera intentar encontrar el peor de los casos simultáneamente... límites simultáneos, |
| |
pero JMP puede regresar y decir, está bien, encontramos tres principios principales que realmente ayudan a explicar lo que está pasando. |
| |
Y en ese caso tenemos tres ecuaciones y tenemos estas ocho incógnitas y realmente nos pone en una posición difícil para resolver el problema. Por esa razón no usaríamos este enfoque de componentes principales. |
| |
Entonces, ¿dónde nos deja eso? Entonces, nuestro objetivo es encontrar el límite simultáneo del peor de los casos, esa combinación alto/alto, bajo/alto o bajo/bajo/alto/alto. |
| |
Queremos usar... nos gustaría usar JMP para ayudarnos a resolver el problema. Tiene que poder manejar tres o más variables. |
| |
Cada variable puede o no ser normal. Esperamos algunas correlaciones. La buena noticia es que tendemos a tener conjuntos de datos relativamente grandes. |
| |
Queremos asegurarnos de que si solicitamos este rincón, por así decirlo, haya datos por allí y no estemos atrapados en una situación en la que no hay datos. Y nuevamente, una solución práctica y sencilla puede ser suficiente. |
| |
Bien, lo que quiero hacer ahora es explicar un concepto y luego les mostraré cómo se usa ese concepto para resolver nuestro problema. |
| |
Entonces, existe un concepto llamado enfoque de K-vecinos más cercanos y la idea es que tienes un punto y encuentras la distancia desde ese punto a todos los demás puntos. |
| |
Y luego determinas los k vecinos más cercanos del punto, o los k puntos para las distancias más cortas. Entonces, para que esto tenga sentido, veamos un ejemplo. Así que centrémonos en ese punto que está resaltado en rojo... ese rojo oscuro y sus coordenadas son |
| |
4,51 y 15,66. Si tomo ese punto en azul, las coordenadas son 4,67 y 15,54, puedo encontrar la distancia entre esos puntos. |
| |
O la idea de los vecinos más cercanos es que para ese punto en rojo, puedo encontrar la distancia desde ese punto en cualquier otro punto del conjunto de datos. |
| |
Y luego puedo ordenar las distancias de menor a mayor y luego puedo seleccionar las que quiero. |
| |
Entonces, por ejemplo, si quisiera saber cuando k=2, dos puntos son los vecinos más cercanos al que está en rojo, veo que son los dos puntos en rosa y son los que están más cerca del uno rojo. |
| |
Bien, entonces lo que quiero hacer ahora es hablar sobre la solución y luego... a un nivel alto, y luego voy a reducir la velocidad y seguir los pasos. Entonces nuestra solución se basó en, si tienes un gran conjunto de datos, |
| |
Primero podemos encontrar la mediana +/-3 desviaciones estándar para cada variable (y quiero señalar que también se puede usar la mmean), |
| |
y al hacerlo, definimos lo que llamamos nuestras esquinas objetivo, o nuestras esquinas deseadas, y esa es la más baja, la más alta... en función de la más baja, el punto más alto de cada variable. |
| |
Y luego, lo que vamos a hacer es encontrar la distancia desde cada punto hasta esa esquina objetivo, ordenaremos las distancias de menor a mayor, |
| |
y, en nuestro caso, para nuestras necesidades (y explicaré esto un poco más en una próxima diapositiva) llevamos los k vecinos más cercanos a la esquina objetivo. Y, en general, puede recopilar k-vecinos que representen la confianza deseada. Y nuevamente explicaré esto un poco más en solo un segundo. |
| |
Entonces lo que hacemos es tomar el promedio de los k vecinos y esa se convierte en nuestra solución. |
| |
Bien, aquí está la idea: comenzamos con nuestras dos variables, encontramos la media +/-... disculpe, la mediana +/-3 desviaciones estándar y también podemos usar la media. |
| |
Y al hacerlo, las llamamos nuestras esquinas objetivo, así que si estuviera interesado en la esquina baja/alta, la esquina alta.baja, esa estrella amarilla en el Pentágono, comienzan como lo que llamamos sus esquinas objetivo definidas. |
| |
El siguiente paso es tomar todos los puntos de datos y encontrar la distancia desde cada punto del conjunto de datos hasta las esquinas objetivo. |
| |
Y una vez que obtenemos esas distancias las clasificamos de menor a mayor. |
| |
Y luego, en este ejemplo particular, encontramos los k vecinos más cercanos a las esquinas objetivo. A modo ilustrativo, podéis ver los cinco puntos en amarillo. |
| |
son los cinco puntos más cercanos a la estrella amarilla, y los cinco puntos en morado son los que están más cerca del pentágono morado. |
| |
Luego, lo que hacemos es tomar el promedio de esos cinco puntos, respectivamente, y al hacerlo, estas elipses negras representan lo que usaríamos como nuestro peor valor de caso. |
| |
Y luego lo usaremos para ayudarnos a diseñar nuestro dispositivo. |
| |
Ahora quiero mostrarles esos puntos en relación con la elipse de densidad y en relación con estas esquinas específicas, y la estrella amarilla y el pentágono morado es nuestro método original. |
| |
Y podemos ver que las elipses de densidad no son malas, mejoran un poco. Y lo realmente bueno de esta solución en particular es que tenemos puntos de datos cerca de ellos y eso es exactamente como está diseñado. |
| |
Además, no es demasiado conservador para nosotros, por lo que no tenemos que pagar este costo adicional, por así decirlo, cuando diseñamos el dispositivo y no tuvimos que preocuparnos por la distribución de los datos. Las correlaciones realmente no tienen que ver con cómo resolvemos nuestro problema. |
| |
Muy bien, digamos que estás interesado en los límites alto/alto y bajo/bajo, ese pentágono azul claro o la estrella azul más oscura. Este método también funciona. |
| |
Y lo que ven en las elipses negras, nuestra solución, es que nuevamente tenemos puntos de datos aquí. |
| |
Entonces, para nosotros, este es un enfoque maravilloso porque, especialmente en relación con nuestro enfoque actual, no es demasiado conservador. Puede que sea un poco conservador, pero no tanto como este pentágono y la estrella. |
| |
Bien, antes hice algunos comentarios sobre cómo lo abordamos y hay algunas opciones, así que ahora quiero discutir la elección de K y ¿deberíamos promediar? |
| |
Y para mí, esa K puede basarse en su nivel de confianza, el tamaño de su muestra y su tipo de filosofía, y déjeme explicarle. |
| |
Como ejemplo, digamos que tengo 1000 puntos de datos y quiero tener un 95% de confianza. |
| |
En ese caso, puedo tomar la distancia más cercana número 25 para las dos esquinas y eso sería 2.5% en el lado bajo o en el lado bajo/alto y 22.5% en el otro lado y juntos he capturado mi 95%. confianza. |
| |
Así que podría tomar la distancia más cercana número 25 y listo. Ése es un enfoque. También puedo tomar las distancias 23, 24, 25, 26 y 27 y promediarlas. |
| |
Y tome el promedio de cinco valores y utilícelo como enfoque. Así que hay un par de maneras diferentes de manejarlo. |
| |
En nuestras necesidades particulares, nuevamente tenemos tamaños de muestra muy grandes y queremos ser un poco conservadores y no nos guiamos por confianzas del 95% o 99%. Así que, con fines ilustrativos, |
| |
Esos círculos naranjas en el gráfico de la derecha pueden representar, como ejemplo, el intervalo de confianza del 95% y puede ser solo el promedio de cinco puntos o tal vez la distancia más cercana número 25, como solo un ejemplo. |
| |
Y lo que haríamos es en lugar de usar ese enfoque, en realidad tomaríamos el promedio de los primeros 25 puntos, y al hacerlo terminaríamos con las elipses negras y se puede ver que se están moviendo hacia afuera y lo están haciendo. un poco más conservador. |
| |
Y entonces lo hacemos por diseño, un poco más conservador. |
| |
Y nuevamente, es una elección, y para nosotros lo bueno es que no es tan conservador como esos rincones deseados, nuestro enfoque actual, por lo que tenemos un poco de naturaleza conservadora, pero no somos excesivamente conservadores. |
| |
Está bien. Entonces, ¿cuáles son los pros y los contras de este enfoque? Lo positivo es que no necesitamos conocer la distribución de las variables. |
| |
Podemos manejar fácilmente algunas variables de correlación o dependientes, podemos manejar fácilmente múltiples variables, especialmente más de dos. |
| |
Sabemos que hay datos cercanos a esa solución y que parte de ellos dependen de ese gran tamaño de datos y podemos crear un script en un complemento en JMP para realizar los cálculos fácilmente. |
| |
Lo negativo es que requiere un conjunto de datos de tamaño decente, porque si quieres ese nivel de confianza del 99% como ejemplo, niveles de confianza realmente altos, realmente necesitas muchos datos. |
| |
Muy bien, así es como se ve nuestro complemento, esta interfaz de usuario, y tiene las posibles variables en la esquina superior izquierda. |
| |
Y luego, en el lado alto al que ingresa, por ejemplo, queremos los valores altos de la resistencia y eso está resaltado en verde. Si voy al resaltado violeta, podemos agregar algunos valores en el lado bajo, por lo que en este ejemplo, diríamos que queremos la combinación baja de capacitancia. |
| |
Entonces lo siguiente que tienes que hacer es confiar en que deseas. |
| |
Y tenemos un botón de recuperación, lo cual es bueno para la comodidad de las personas. |
| |
Y luego tenemos el logotipo de nuestro equipo, que hace que el artículo luzca bonito y profesional. |
| |
Muy bien, una vez que ejecute este complemento, activará los scripts y el resultado será una tabla JMP. |
| |
Y en esta tabla JMP, lo primero que quiero señalar en este resaltado, en este resaltado verde, es que para las ocho variables, obtenemos la mediana, la desviación estándar y si fue el lado bajo o el lado alto. estábamos interesados. |
| |
Y a partir de ahí construiremos la esquina deseada, por lo que sería la mediana menos tres desviaciones estándar para el lado bajo y la mediana más tres desviaciones estándar para el lado alto. Y ahora de nuevo en morado, este es nuestro rincón objetivo. |
| |
Luego lo siguiente que hacemos es encontrar las distancias para todos los puntos. |
| |
a ese rincón deseado. Y luego vamos a encontrar en este ejemplo los cinco puntos que están más cerca de la esquina deseada, y esos son los valores de vecindad. Serán nuestro vector de cinco valores. Los índices de barrio, los explicaré un poco más en la siguiente diapositiva. |
| |
Luego, en azul, tomamos el promedio de esos cinco vecinos más cercanos y esa se convierte en nuestra solución al problema. Entonces, esa columna en azul son los valores del peor de los casos o son los valores del peor de los casos que usaríamos para ayudarnos a diseñar el dispositivo. |
| |
Ahora también tenemos una columna aquí llamada Puntuación Z del vecino, y lo que es, toma el promedio del vecino, nuestra solución, y trabaja hacia atrás y ve a cuántas desviaciones estándar se encuentra de la mediana. |
| |
Y la razón por la que hacemos esto es porque nuestro enfoque original era tomar aproximadamente esta mediana más o menos tres desviaciones estándar. |
| |
Y lo que estamos descubriendo es que, para conseguir lo que queremos, podemos utilizar un multiplicador mucho más pequeño. Esto simplemente nos ayudó a saber qué tan conservador o demasiado conservador es nuestro método actual. No se utiliza en ningún cálculo, aparte de ayudarnos a comprender. |
| |
Muy bien, mencioné esos barrios... disculpe, los índices de vecinos. Entonces, en la esquina superior derecha resalté en morado el 109 y el 126. |
| |
Eso corresponde a las filas de los datos. Entonces, cuando ejecuta este complemento, obtiene su tabla JMP. |
| |
Te dirá qué cinco filas representan a los cinco vecinos más cercanos, |
| |
y también los selecciona en su conjunto de datos original. Y lo bueno de esto es que facilita el código de colores. Antes les mostré el ejemplo con el amarillo, cinco amarillos y cinco morados. |
| |
Y es fácil una vez que ejecuta este complemento, simplemente cambiar los colores justo... justo después de ejecutar el complemento. |
| |
Muy bien, así es como se ve el resultado de nuestras ocho variables. |
| |
Y puede ver que los puntos verdes representan los valores de baja resistencia/alta capacitancia, los puntos rojos representan los valores de alta resistencia/baja capacitancia. Y solo quiero señalar en la parte inferior derecha de este gráfico que he resaltado en violeta, |
| |
Como pueden ver, por ejemplo, los puntos verde y rojo, no son puntos tan extremos para ninguna variable dada y ese es el aspecto simultáneo de este problema. |
| |
Realmente está resolviendo el problema en las ocho variables. Y entonces, para algunas variables, eso puede ser extremo, para otras puede no serlo, y eso está bien para nosotros. |
| |
Pero nuevamente... y al hacerlo, ayudamos a comprender las relaciones entre nuestras variables y esto nuevamente sería una visualización gráfica de cuál será nuestra solución final, nuestro peor caso... nuestros valores del peor caso. |
| |
Bien, si vuelvo a ese conjunto de datos de BigClass solo para ilustrar el complemento, quiero reconocer que se trata de un conjunto de datos pequeño. Esto es sólo para fines ilustrativos. Puedo ejecutar el script y solicitar el lado alto/alto, puedo ejecutarlo y solicitar el lado bajo/bajo. |
| |
Al hacerlo de nuevo, como antes, obtendré la mediana y la desviación estándar. Lo usaré para encontrar el límite. |
| |
Y ese es mi rincón deseado, luego voy a buscar los cinco vecinos que estén más cerca de ese límite. Y pueden ver en verde, esos son los valores reales, y están trazados en el gráfico en amarillo y morado. |
| |
Los índices vecinos se refieren a las filas y eso es lo que me permite codificar por colores mis datos rápidamente. |
| |
El promedio vecino es nuestra estrella amarilla y nuestro pentágono morado, y esa sería nuestra solución al problema. Y nuevamente hacemos la puntuación Z para tener una idea interna de cuán conservador es este método. |
| |
Bien, en este punto, sólo quiero resaltar algunos puntos de nuestro guión. Entonces, cuando creamos nuestro script, y pueden verlo en la esquina superior derecha, saben que creamos este cuadro de panel. |
| |
Y en azul claro, ahí es donde le pedimos al usuario que ingrese las variables que estamos... que encontramos en el lado alto y las variables que se encuentran en el lado bajo. |
| |
En ese color cobrizo, ahí es donde obtenemos la entrada del percentil y en realidad es un número. |
| |
Y también puede ver en las líneas 222 y 223 que estamos construyendo una función de recuperación. |
| |
Muy bien, una de las cosas que nos gusta hacer son las comprobaciones de calidad de los datos, así que ya sabes, queremos que esto sea lo más a prueba de errores posible, a prueba de errores. |
| |
Entonces, por ejemplo, debe ingresar ese nivel de confianza como un número, y luego hacemos una verificación para asegurarnos de que esté entre cero y 100 o el usuario recibe un mensaje de error que necesita cambiar su entrada. |
| |
Del mismo modo, en la parte inferior, necesitamos algo en la lista baja o en la lista alta para poder ejecutar esto, por lo que tenemos estas comprobaciones de datos para asegurarnos de que se haya ingresado algo. |
| |
Muy bien, lo siguiente que hacemos es tener algo llamado función sumcols. |
| |
Y lo que hace la función sumcols es recorrer las columnas anteriores. Entonces, en otras palabras, se trata de tomar los mínimos y máximos que has ingresado |
| |
y devuelve un diccionario o matriz asociativa con información que es importante para nosotros. Entonces, si miro a la derecha, abajo a la derecha, |
| |
Disculpe, si miro en la parte inferior derecha, por ejemplo en naranja, recopilará información sobre el tipo de datos. |
| |
cuántos puntos de datos había, cuál es la mediana, cuál es la desviación estándar. En morado hará ese cálculo y nos dará lo que deseamos. |
| |
esquina o esquina objetivo, que vamos a llamar nuestro límite. Y luego, en azul, ese AA, ese es nuestro conjunto asociativo y que trae toda la información o almacena toda esa información que necesitamos para el siguiente paso. |
| |
Muy bien, lo que hacemos desde aquí es comenzar a calcular esas distancias. Y así puedes ver en el resaltado azul, |
| |
y eso está en el lado bajo, y si vas justo debajo, está en el lado alto. Comenzamos a encontrar la distancia desde cada punto hasta esa esquina objetivo. |
| |
Y tenemos que hacer los cálculos, ya sabes, como se mostró anteriormente, donde estamos elevando al cuadrado y luego sacando la raíz cuadrada, pero en esencia solo estamos encontrando esa distancia desde los puntos hasta tres sigma. |
| |
Y luego, en la parte inferior, pasaremos por el proceso de clasificarlos, ordenar esas distancias y luego seleccionar los que necesitamos. |
| |
Y quiero señalar en naranja resaltar eso, seis, siete y ocho. |
| |
Siempre que escribimos nuestros guiones, hacemos todo lo posible para tener comentarios. Y a veces, cuando una persona está trabajando en un guión, desafortunadamente, se ve arrastrada a otra cosa y alguien más puede hacerlo. |
| |
termínelo, así que es muy bueno tener estos comentarios para que alguien más pueda hacerse cargo y entender realmente lo que está pasando. |
| |
Además, es bueno que estos comentarios, incluso si eres el único que trabaja en ello, si tienes que volver a ello, ya sabes, años después, recuerdes lo que hace cada paso. Por eso hacemos todo lo posible para dejar comentarios. |
| |
Muy bien, finalmente, lo que hacemos es, ya sabes, recorrer el lado bajo y el lado alto y devolvemos algunos valores en un diccionario. Y pueden ver en azul, lo que hacemos es eliminar los vecinos mínimos y ese es el vector que salió en la salida. |
| |
Luego tomamos el promedio de ellos y esa es nuestra solución; eso está sucediendo en naranja. Y solo como ejemplo, en violeta encontramos nuestra puntuación Z. Entonces, una vez que obtengamos la información, todas esas distancias, las hayamos ordenado, |
| |
luego extraemos la información que necesitamos para luego construir una tabla que sea nuestra. |
| |
Muy bien, entonces juntando todo esto. Nuestro problema motivador es que queríamos encontrar estos límites simultáneos del peor de los casos para ayudarnos a diseñar un dispositivo y nuestra solución actual es demasiado conservadora; nos cuesta dinero y tiempo. |
| |
Y cuando vamos a resolver este problema, sabemos que los datos pueden seguir o no la distribución normal multivariada, nuestros datos no son independientes. |
| |
Y la frecuencia de esto realmente requiere una solución simple, y preferiblemente con JMP, por lo que nuestra solución |
| |
fue crear un complemento JMP que sea fácil de usar, utilice el concepto de k-vecinos más cercanos, y el resultado sea fácil de entender y nos ayude a construir rápidamente esos gráficos que podemos codificar con colores, para poder mostrarlos a otros. |
| |
Muy bien, muchas gracias. |
